深度学习在生物医药领域中的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新，已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价10元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 183 篇文献，本页显示第 161 - 180 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 161 | 2024-08-05 |
3D Biological/Biomedical Image Registration with enhanced Feature Extraction and Outlier Detection
2023-Sep, ACM-BCB ... ... : the ... ACM Conference on Bioinformatics, Computational Biology and Biomedicine. ACM Conference on Bioinformatics, Computational Biology and Biomedicine
DOI:10.1145/3584371.3612965
PMID:39006863
|
研究论文 | 本文提出了一种用于三维生物医学图像配准的新方法 | 结合了传统和深度学习技术用于特征提取，并采用自适应最大似然估计样本一致性方法进行异常值检测 | NA | 提高三维图像配准的精度和效率 | 3D显微镜图像和医学图像 | 计算机视觉 | NA | SIFT, ResNet50 | 深度神经网络 | 图像 | 使用3D MRI和3D多重显微图像的序列切片 |
| 162 | 2024-08-05 |
Deep learning classification of ex vivo human colon tissues using spectroscopic OCT
2023-Sep-06, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.04.555974
PMID:37732221
|
研究论文 | 本文提出了一种基于光谱光学相干断层扫描的方法用于分类异体人类结肠组织。 | 创新性地结合了深度学习架构与光谱OCT技术，提升了结肠组织分类的准确性。 | 研究仅限于结肠上皮组织，不一定适用于其他组织类型。 | 提高结直肠癌筛查的效率和效果。 | 分析经过活检的结肠上皮组织样本。 | 数字病理学 | 结肠癌 | 光谱光学相干断层扫描（OCT） | 深度学习架构，LSTM，KNN | 组织样本 | 活检的结肠上皮组织样本 |
| 163 | 2024-08-05 |
Functional Outcome Prediction in Acute Ischemic Stroke Using a Fused Imaging and Clinical Deep Learning Model
2023-09, Stroke
IF:7.8Q1
DOI:10.1161/STROKEAHA.123.044072
PMID:37485663
|
研究论文 | 本研究通过融合深度学习模型的扩散加权成像和急性期临床信息，预测急性缺血性中风患者90天的预后。 | 提出了一种新型的融合深度学习模型，可以减少主观性和用户负担，提高急性缺血性中风预后的预测准确性。 | 依赖于特定的成像和临床数据，与其他可能影响结果的变量未进行全面考虑。 | 旨在通过早期急性缺血性中风信息来预测长达90天的临床预后。 | 640名经历急性缺血性中风的患者。 | 数字病理学 | 缺血性中风 | 深度学习 | 融合模型 | 影像和临床数据 | 640名急性缺血性中风患者 |
| 164 | 2024-08-07 |
Regarding "Automated Segmentation of Intracranial Thrombus on NCCT and CTA in Patients with Acute Ischemic Stroke Using a Coarse-to-Fine Deep Learning Model"
2023-09, AJNR. American journal of neuroradiology
DOI:10.3174/ajnr.A7972
PMID:37591774
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 165 | 2024-08-05 |
Batch-balanced focal loss: a hybrid solution to class imbalance in deep learning
2023-Sep, Journal of medical imaging (Bellingham, Wash.)
DOI:10.1117/1.JMI.10.5.051809
PMID:37361550
|
研究论文 | 验证了一种名为批平衡焦点损失(BBFL)的方法在处理不平衡数据集时对卷积神经网络(CNN)分类性能的提升效果 | BBFL结合了批平衡和焦点损失两种策略以应对类别不平衡问题 | 本文未讨论BBFL在其他类型数据集上的表现 | 提升卷积神经网络在不平衡数据集上的分类能力 | 针对不平衡的视网膜神经纤维层缺损(RNFLD)和青光眼图像数据集进行研究 | 计算机视觉 | 青光眼 | 卷积神经网络(CNN) | InceptionV3, MobileNetV2 | 图像 | 视网膜神经纤维层缺损数据集(n=7,258); 青光眼数据集(n=7,873) |
| 166 | 2024-08-05 |
Machine learning in computational histopathology: Challenges and opportunities
2023-09, Genes, chromosomes & cancer
DOI:10.1002/gcc.23177
PMID:37314068
|
review | 文章回顾了机器学习在计算数字病理学中的应用及其挑战与机遇 | 提供了机器学习在数字病理学领域成功应用的背景和临床任务的自动化情况 | 未详细讨论特定机器学习模型的局限性和实际应用的障碍 | 探讨机器学习在数字病理学中的应用潜力和未来发展方向 | 数字病理学图像及其在癌症诊断和分期中的应用 | 数字病理学 | 癌症 | 机器学习，深度学习 | NA | 数字病理图像 | 大规模数字病理切片数据集 |
| 167 | 2024-08-05 |
Deep learning-based fast volumetric imaging using kV and MV projection images for lung cancer radiotherapy: A feasibility study
2023-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16377
PMID:36939395
|
研究论文 | 该研究提出了一种快速体积成像方法，用于肺癌放射治疗，旨在减少获取时间并提高治疗的准确性 | 创新点在于结合了2D和3D网络，以快速生成高质量的3D成像，并增强了图像的一致性和准确性 | 结果基于模拟数据和真实设备的幻影结果，未进行在临床环境下的全面验证 | 研究旨在开发一种有效的体积成像方法，以提高肺癌放射治疗的准确性和效率 | 研究对象为50名肺癌患者，通过对每个相位的CT进行射线追踪生成正交的kV和MV成像对 | 数字病理 | 肺癌 | 正交kV/MV成像 | 结合2D和3D网络的模型 | 图像 | 50名肺癌患者 |
| 168 | 2024-08-05 |
Explaining Deep Learning-Based Representations of Resting State Functional Connectivity Data: Focusing on Interpreting Nonlinear Patterns in Autism Spectrum Disorder
2023-Sep-13, bioRxiv : the preprint server for biology
DOI:10.1101/2023.09.13.557591
PMID:37745501
|
研究论文 | 本研究集中于解释自闭症谱系障碍中静息状态功能连接数据的深度学习模型表现 | 引入潜在贡献评分，解释由变分自编码器（VAE）识别的非线性模式 | 可能存在样本选择偏差，未考虑其他潜在影响因素 | 旨在创建可解释的VAE模型，利用静息状态fMRI数据研究自闭症谱系障碍 | 包括1150名参与者，其中601名为健康对照，549名为自闭症患者 | 数字病理学 | 自闭症谱系障碍 | 静息状态功能磁共振成像 (rs-fMRI) | 变分自编码器 (VAE) | 脑部功能连接数据 | 1150个参与者（601名健康对照和549名自闭症患者） |
| 169 | 2024-08-05 |
Association of brain microbleeds with risk factors, cognition, and MRI markers in MESA
2023-09, Alzheimer's & dementia : the journal of the Alzheimer's Association
DOI:10.1002/alz.13346
PMID:37289978
|
研究论文 | 该文章研究了脑微出血与风险因素、认知和MRI标记之间的关系 | 使用深度学习模型从多种族群体中识别和量化脑微出血，提供了新见解 | 研究样本主要来自一个特定的研究，可能影响结果的广泛性 | 探讨脑微出血在不同种族及其与风险因素和认知的关系 | 无先前中风的1016名参与者 | 数字病理学 | 心血管疾病 | 3T磁共振成像，深度学习模型 | NA | 图像 | 1016名参与者 |
| 170 | 2024-08-05 |
Patient specific prior cross attention for kV decomposition in paraspinal motion tracking
2023-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16644
PMID:37538040
|
研究论文 | 该研究开发了一种深度学习算法，通过将图像分解为骨骼和软组织组件来提高kV图像对比度 | 提出了一种患者特异性的先验交叉注意机制（PCAT），显著提升了kV图像分解的性能 | 未提供有关其他类型或条件下的应用效果的信息 | 研究旨在改善放射治疗中kV图像的质量和运动追踪准确性 | 使用在线kV成像监测患者在脊旁SBRT中的运动 | 数字病理 | NA | 深度学习 | 生成对抗网络 (GAN) | 图像 | NA |
| 171 | 2024-08-05 |
Deep learning prediction of post-SBRT liver function changes and NTCP modeling in hepatocellular carcinoma based on DGAE-MRI
2023-Sep, Medical physics
IF:3.2Q1
DOI:10.1002/mp.16386
PMID:36988423
|
研究论文 | 本文开发了基于DGAE-MRI的正常组织并发症概率(NTCP)模型，以适应接受SBRT治疗的 hepatocellular cancer(HCC)患者的个性化放疗 | 创新性地采用DGAE-MRI的体素级功能信息，提高了放疗对患者特异性反应的估计 | 研究样本量较小，需在更大患者群体中进行进一步验证 | 旨在建立基于动态Gadoxetic Acid增强MRI的NTCP模型，以提高HCC患者放疗的个性化适应性 | 146名接受SBRT治疗的HCC患者，其中24名患者进行了DGAE MRI | 数字病理学 | 肝癌 | 动态Gadoxetic Acid增强MRI (DGAE-MRI) | 条件Wasserstein生成对抗网络 (cWGAN) | 图像 | 146名HCC患者中有24名进行了DGAE MRI |
| 172 | 2024-08-05 |
Virtual and Augmented Reality in Interventional Radiology: Current Applications, Challenges, and Future Directions
2023-Sep, Techniques in vascular and interventional radiology
IF:1.4Q3
DOI:10.1016/j.tvir.2023.100919
PMID:38071031
|
研究论文 | 虚拟现实和增强现实在介入放射学中的应用及未来方向 | 探讨了VR和AR在介入放射学中的潜在优势及最新技术进展 | 面临导航系统限制、高成本、临床接受度低以及技术约束等挑战 | 研究虚拟现实和增强现实在介入放射学中的应用及其未来的发展 | 关注医疗影像的可视化与导航，以及患者护理和教育培训方面 | 计算机视觉 | NA | 深度学习技术 | NA | 医疗影像 | NA |
| 173 | 2024-08-05 |
VOC transport in an occupied residence: Measurements and predictions via deep learning
2023-Sep-20, The Science of the total environment
DOI:10.1016/j.scitotenv.2023.164559
PMID:37263430
|
研究论文 | 本研究监测和预测了占用居住环境中的挥发性有机化合物(VOCs) | 通过深度学习模型预测了在占用居住环境中十种典型VOCs的浓度，并发现人类活动对VOCs排放有显著影响 | 在研究中未涉及更广泛的环境变量和更多的VOCs种类 | 研究居住环境中VOCs的传输特性及其暴露评估 | 在占用的住宅中监测和预测十种典型VOCs | 数字病理学 | NA | 深度学习 | 长短期记忆网络(LSTM) | 时间序列数据 | 10种典型VOCs |
| 174 | 2024-08-05 |
Evaluation of a Natural Language Processing Model to Identify and Characterize Patients in the United States With High-Risk Non-Muscle-Invasive Bladder Cancer
2023-09, JCO clinical cancer informatics
IF:3.3Q2
DOI:10.1200/CCI.23.00096
PMID:37906722
|
研究论文 | 本研究开发了一种自然语言处理模型，以识别美国高风险非肌肉侵袭性膀胱癌患者并描述其特征 | 采用深度学习方法训练自然语言处理，以识别高风险非肌肉侵袭性膀胱癌的标准，并使用电子病历进行回顾性分析 | 本研究基于回顾性数据，可能存在数据不完整或不准确的问题 | 研究旨在开发自然语言处理模型，以识别高风险非肌肉侵袭性膀胱癌患者 | 研究对象为2011年至2020年间被诊断为膀胱癌的成人患者 | 自然语言处理 | 膀胱癌 | 自然语言处理 (NLP) | 深度学习模型 | 电子病历数据 | 共包含4402名患者的三组独立数据集，用于模型开发、验证和回顾性分析 |
| 175 | 2024-08-07 |
Disease-driven domain generalization for neuroimaging-based assessment of Alzheimer's disease
2023-Sep-25, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.22.23295984
PMID:37808872
|
研究论文 | 本文开发了一种利用模型可解释性提高分类模型在多个队列间泛化能力的方法，通过MRI扫描和临床诊断数据训练深度神经网络，以区分正常认知、轻度认知障碍和阿尔茨海默病 | 提出了一种结合模型可解释性和域泛化的方法，通过统一视觉显著性先验来提高模型在未见目标域上的性能 | NA | 开发一种能够跨多个队列泛化的深度学习模型，用于评估阿尔茨海默病的认知障碍程度 | MRI扫描数据和临床诊断信息 | 机器学习 | 阿尔茨海默病 | 深度神经网络 | CNN | 图像 | 总共使用了来自四个独立队列的7433个样本 |
| 176 | 2024-08-07 |
Deep Learning Model for Tumor Type Prediction using Targeted Clinical Genomic Sequencing Data
2023-Sep-10, medRxiv : the preprint server for health sciences
DOI:10.1101/2023.09.08.23295131
PMID:37732244
|
研究论文 | 本文开发了一种基于深度神经网络的肿瘤类型分类模型GDD-ENS，利用39,787个实体肿瘤的临床靶向癌症基因组数据进行训练 | GDD-ENS模型在38种癌症类型中实现了93%的高置信度预测准确率，与基于全基因组测序的方法相媲美，并能指导罕见类型和未知原发癌的诊断 | NA | 开发一种临床可行的肿瘤类型分类方法，以指导癌症治疗决策 | 实体肿瘤的类型分类 | 机器学习 | 癌症 | 临床靶向癌症基因组测序 | 深度神经网络 | 基因组数据 | 39,787个实体肿瘤样本 |
| 177 | 2024-08-07 |
Semantically Redundant Training Data Removal and Deep Model Classification Performance: A Study with Chest X-rays
2023-Sep-18, ArXiv
PMID:37986725
|
研究论文 | 本研究探讨了深度学习模型在胸部X光片分类任务中，通过去除语义冗余训练数据来提升模型性能的方法 | 提出了一种基于熵的样本评分方法来识别和去除语义冗余的训练数据，从而提高模型性能 | 未提及具体的研究局限性 | 研究如何通过去除语义冗余数据来提升深度学习模型在医学影像分类任务中的性能 | 胸部X光片数据集 | 机器学习 | NA | 深度学习 | NA | 图像 | 使用了公开的NIH胸部X光数据集 |
| 178 | 2024-08-07 |
Optimizing Deep Learning-Based Segmentation of Densely Packed Cells using Cell Surface Markers
2023-Sep-26, Research square
DOI:10.21203/rs.3.rs-3307496/v1
PMID:37841876
|
研究论文 | 本文评估并优化了基于深度学习的细胞分割模型在免疫荧光图像上的性能，特别是在人类单纯疱疹病毒感染的皮肤组织中的应用 | 通过选择最佳模型并进一步训练，提高了预测性能，达到了与人类表现相当的水平 | 最终模型的性能不完美，主要归因于图像集中适度的信噪比 | 优化基于深度学习的细胞分割模型，以提高在密集组织中的细胞识别和定量 | 评估和优化18种基于深度学习的细胞分割模型在免疫荧光图像上的性能 | 计算机视觉 | NA | 深度学习 | CNN | 图像 | 使用了两组公共图像集和一组包含10,000+训练实例的当前图像集 |
| 179 | 2024-08-07 |
DeepCAC: a deep learning approach on DNA transcription factors classification based on multi-head self-attention and concatenate convolutional neural network
2023-Sep-18, BMC bioinformatics
IF:2.9Q1
DOI:10.1186/s12859-023-05469-9
PMID:37723425
|
研究论文 | 提出了一种名为DeepCAC的新方法，利用深度卷积神经网络和多头自注意力机制进行DNA转录因子序列分析 | 采用多头自注意力机制和卷积神经网络相结合的方法，有效捕捉序列中的局部隐藏特征和长距离依赖关系，同时减少了模型参数数量 | 未提及具体限制 | 提高DNA转录因子序列分类的准确性，同时减少模型参数数量 | DNA转录因子序列 | 机器学习 | NA | 深度学习 | CNN, 多头自注意力机制 | 序列数据 | 未提及具体样本数量 |
| 180 | 2024-08-07 |
Discovering optimal kinetic pathways for self-assembly using automatic differentiation
2023-Sep-01, bioRxiv : the preprint server for biology
DOI:10.1101/2023.08.30.555551
PMID:37693527
|
研究论文 | 本文利用自动微分算法优化可逆自组装的物理模型，探索了3-7个亚基复合物的速率常数空间中的多样化解决方案 | 本文首次将深度学习框架中常用的自动微分算法应用于自组装系统的优化，定义了两种生物启发的协议来防止动力学陷阱，并提出了第三种模拟能量消耗酶的中间体回收协议 | NA | 理解避免陷阱并有效组装的生物机制，为设计合成组装系统提供最优解决方案 | 自组装的亚基复合物及其速率常数 | 生物物理学 | NA | 自动微分算法 | 物理模型 | 速率常数 | 3-7个亚基复合物 |